論文の概要: Psychophysical Evaluation of Deep Re-Identification Models
- arxiv url: http://arxiv.org/abs/2005.02136v1
- Date: Tue, 28 Apr 2020 17:11:50 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-08 23:26:04.322463
- Title: Psychophysical Evaluation of Deep Re-Identification Models
- Title（参考訳）: 深部再同定モデルの心理的評価
- Authors: Hamish Nicholson
- Abstract要約: 我々はReIDコミュニティを,モデルeval-uationにおけるコンピュータビジョン研究の誕生した領域に導入する。
我々は、ReIDalgorithmを使用する現実の自律走行車条件を反映する、新しいReIDデータセットであるNuscenesReIDを紹介する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pedestrian re-identification (ReID) is the task of continuously recognising
the sameindividual across time and camera views. Researchers of pedestrian ReID
and theirGPUs spend enormous energy producing novel algorithms, challenging
datasets,and readily accessible tools to successfully improve results on
standard metrics.Yet practitioners in biometrics, surveillance, and autonomous
driving have not re-alized benefits that reflect these metrics. Different
detections, slight occlusions,changes in perspective, and other banal
perturbations render the best neural net-works virtually useless. This work
makes two contributions. First, we introducethe ReID community to a budding
area of computer vision research in model eval-uation. By adapting established
principles of psychophysical evaluation from psy-chology, we can quantify the
performance degradation and begin research thatwill improve the utility of
pedestrian ReID models; not just their performance ontest sets. Second, we
introduce NuscenesReID, a challenging new ReID datasetdesigned to reflect the
real world autonomous vehicle conditions in which ReIDalgorithms are used. We
show that, despite performing well on existing ReIDdatasets, most models are
not robust to synthetic augmentations or to the morerealistic NuscenesReID
data.
- Abstract（参考訳）: 歩行者再識別(Pedestrian re-identification, ReID)は、時間とカメラのビューを通して同一の個人認識を行うタスクである。
歩行者のReIDと彼らのGPUの研究者たちは、新しいアルゴリズム、挑戦的なデータセット、そして標準メトリクスの結果を改善するために容易にアクセスできるツールなど、膨大なエネルギーを費やす。
異なる検出、わずかなオクルージョン、視点の変化、その他の乱れは、最高のニューラルネットワークを事実上役に立たないものにします。
この作品には2つの貢献がある。
まず,reidコミュニティを,モデル評価におけるコンピュータビジョン研究の芽生えた領域に導入する。
精神物理学的評価の確立された原則をファシズムから適用することにより、性能劣化を定量化し、歩行者ReIDモデルの有用性を向上する研究を開始することができる。
次に,redalgorithmsが使用される現実の自動運転車の状況を反映した,新たなreidデータセットであるnuscenesreidを紹介する。
既存のreiddatasetではうまく機能するが、ほとんどのモデルは合成拡張やより現実的なnuscenesreidデータには耐えられない。
関連論文リスト
- Zero-Shot Detection of AI-Generated Images [54.01282123570917]
AI生成画像を検出するゼロショットエントロピー検出器(ZED)を提案する。
機械によるテキスト検出の最近の研究に触発された私たちのアイデアは、分析対象の画像が実際の画像のモデルと比較してどれだけ驚くかを測定することである。
ZEDは精度の点でSoTAよりも平均3%以上改善されている。
論文 参考訳（メタデータ） (2024-09-24T08:46:13Z) - Are NeRFs ready for autonomous driving? Towards closing the real-to-simulation gap [6.393953433174051]
本稿では,実際のデータギャップに対処するための新しい視点を提案する。
自律運転環境における実シミュレーションデータギャップの大規模調査を初めて実施する。
シミュレーションデータに対するモデルロバスト性は顕著に向上し,実世界の性能も向上した。
論文 参考訳（メタデータ） (2024-03-24T11:09:41Z) - MADS: Modulated Auto-Decoding SIREN for time series imputation [9.673093148930874]
我々は,暗黙のニューラル表現に基づく時系列計算のための新しい自動デコードフレームワークMADSを提案する。
実世界の2つのデータセット上で本モデルを評価し,時系列計算における最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-07-03T09:08:47Z) - Occlusion-Aware Self-Supervised Monocular 6D Object Pose Estimation [88.8963330073454]
自己教師付き学習による新しい単眼6次元ポーズ推定手法を提案する。
ノイズの多い学生のトレーニングと差別化可能なレンダリングの現在の傾向を活用して、モデルをさらに自己監督する。
提案する自己超越法は,合成データに依存する他の方法よりも優れている。
論文 参考訳（メタデータ） (2022-03-19T15:12:06Z) - Recovering 3D Human Mesh from Monocular Images: A Survey [49.00136388529404]
単眼画像から人間のポーズと形状を推定することは、コンピュータビジョンにおける長年の問題である。
本調査は, 単分子型3次元メッシュ回収の課題に焦点を当てた。
論文 参考訳（メタデータ） (2022-03-03T18:56:08Z) - BEIR: A Heterogenous Benchmark for Zero-shot Evaluation of Information
Retrieval Models [41.45240621979654]
情報検索のための異種ベンチマークであるBEIRを紹介する。
ゼロショット評価設定における9つの最先端の検索モデルの有効性を検討する。
Dense-Retrievalモデルは計算効率が良いが、他のアプローチでは性能が劣ることが多い。
論文 参考訳（メタデータ） (2021-04-17T23:29:55Z) - Secrets of 3D Implicit Object Shape Reconstruction in the Wild [92.5554695397653]
コンピュータビジョン、ロボティクス、グラフィックスの様々な用途において、高精細な3Dオブジェクトをスパースから再構築することは重要です。
最近の神経暗黙的モデリング法は、合成データセットまたは高密度データセットで有望な結果を示す。
しかし、粗末でノイズの多い実世界のデータではパフォーマンスが悪い。
本論文では, 一般的な神経暗黙モデルの性能低下の根本原因を解析する。
論文 参考訳（メタデータ） (2021-01-18T03:24:48Z) - Unsupervised Pre-training for Person Re-identification [90.98552221699508]
大規模無ラベル人物再識別(Re-ID)データセットLUPersonを提案する。
学習者のRe-ID特徴表現の一般化能力を向上させるために,教師なし事前学習を初めて行おうとする。
論文 参考訳（メタデータ） (2020-12-07T14:48:26Z) - Hierarchical and Efficient Learning for Person Re-Identification [19.172946887940874]
階層的大域的, 部分的, 回復的特徴を複数の損失結合の監督の下で学習する, 階層的, 効率的なネットワーク(HENet)を提案する。
また,RPE (Random Polygon Erasing) と呼ばれる新しいデータセット拡張手法を提案する。
論文 参考訳（メタデータ） (2020-05-18T15:45:25Z) - Self6D: Self-Supervised Monocular 6D Object Pose Estimation [114.18496727590481]
自己教師付き学習による単眼6次元ポーズ推定のアイデアを提案する。
ニューラルレンダリングの最近の進歩を活用して、注釈のない実RGB-Dデータのモデルをさらに自己監督する。
論文 参考訳（メタデータ） (2020-04-14T13:16:36Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。